近年來,三維激光掃描技術(shù)普遍應(yīng)用于測量學(xué)、計算機視覺與圖形學(xué)、考古學(xué)等學(xué)科領(lǐng)域。隨著現(xiàn)代科技的發(fā)展,三維激光掃描硬件設(shè)備發(fā)展快速,但與其相應(yīng)的信息處理技術(shù)稍顯滯后,一定程度上制約了三維激光掃描技術(shù)的發(fā)展,所以,三維激光點云數(shù)據(jù)的相關(guān)理論以及算法的優(yōu)化研究就尤為重要。本文分別就點云特征提取、點云聚類以及點云精簡的問題進行研究。在點云特征提取方面,針對以往散亂點云特征提取算法存在尖銳特征點提取不完整以及無法保留模型邊界點的問題,提出了一種基于多判別參數(shù)為基礎(chǔ)的特征提取算法。該算法通過算出各個k鄰域的數(shù)據(jù)點曲率、點法向和鄰域點法向兩者間夾角的均值、點到鄰域重心的距離、點到各鄰域點之間的距離平均值,并且依據(jù)上述4個參數(shù)確定特征判別參數(shù)與特征閾值,特征判別參數(shù)值高于閾值的點即為特征點。以上4個參數(shù)中,曲面中的尖銳點主要需要數(shù)據(jù)點曲率、點法向與鄰域點法向夾角的平均值以及點到鄰域點的平均距離來識別,而邊界上的數(shù)據(jù)點則需要點到鄰域重心的距離來識別,并且為曲面尖銳點的識別提供一定的參考。實驗結(jié)果表明,改進后的算法,能同時識別曲面尖銳點和邊界數(shù)據(jù)點。在點云聚類方面,針對傳統(tǒng)K-means聚類算法存在迭代收... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 三維激光掃描技術(shù)的國內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 點云特征提取國內(nèi)外研究現(xiàn)狀
        1.2.3 點云聚類國內(nèi)外研究現(xiàn)狀
        1.2.4 點云精簡國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容與技術(shù)路線
2 三維激光掃描技術(shù)理論基礎(chǔ)
    2.1 三維激光掃描系統(tǒng)
        2.1.1 三維激光掃描系統(tǒng)工作原理
        2.1.2 三維激光掃描坐標(biāo)系統(tǒng)
        2.1.3 三維激光掃描系統(tǒng)分類
    2.2 三維激光掃描技術(shù)的特點及應(yīng)用領(lǐng)域
        2.2.1 三維激光掃描技術(shù)的特點
        2.2.2 常用點云數(shù)據(jù)存儲格式
        2.2.3 三維激光掃描技術(shù)的應(yīng)用領(lǐng)域
    2.3 三維激光掃描點云數(shù)據(jù)預(yù)處理
        2.3.1 點云數(shù)據(jù)
        2.3.2 點云信息拼接
        2.3.3 點云數(shù)據(jù)噪聲處理
        2.3.4 點云數(shù)據(jù)精簡
        2.3.5 點云數(shù)據(jù)分割
    2.4 小結(jié)
3 點云特征提取研究
    3.1 經(jīng)典點云特征提取方法
        3.1.1 基于曲率和法矢
        3.1.2 曲率和法矢的估算
    3.2 基于多判別參數(shù)混合方法的散亂點云特征提取
        3.2.1 空間拓撲結(jié)構(gòu)的建立
        3.2.2 特征判別參數(shù)的計算
        3.2.3 特征點的判別
    3.3 實驗結(jié)果與分析
    3.4 本章小結(jié)
4 點云K-MEANS聚類算法研究
    4.1 傳統(tǒng)點云K-MEANS聚類算法
        4.1.1 算法概述
        4.1.2 算法基本要素
        4.1.3 算法特點
    4.2 基于自適應(yīng)八叉樹的點云K-MEANS聚類
        4.2.1 算法概述
        4.2.2 算法流程
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
5 點云精簡算法研究
    5.1 經(jīng)典點云精簡方法
        5.1.1 隨機精簡法
        5.1.2 柵格精簡法
        5.1.3 曲率精簡法
        5.1.4 點云精簡算法評價指標(biāo)
    5.2 自適應(yīng)K-MEANS聚類的散亂點云精簡
        5.2.1 算法流程
        5.2.2 K-means聚類精簡
    5.3 本章小結(jié)
6 總結(jié)與展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]基于地面三維激光掃描儀點云數(shù)據(jù)的去噪算法研究[J]. 張金花,吳思,胡本剛,陳勇,應(yīng)國偉.  測繪與空間地理信息. 2016(03)
[2]特征保持點云數(shù)據(jù)精簡[J]. 袁小翠,吳祿慎,陳華偉.  光學(xué)精密工程. 2015(09)
[3]一種三維點云聚類算法的研究[J]. 雷敏,仲思東,屠禮芬.  科學(xué)技術(shù)與工程. 2014(29)
[4]基于二次精簡的散亂點云精簡方法[J]. 葉冬榮,李維詩,張滋黎,周維虎.  計算機系統(tǒng)應(yīng)用. 2014(09)
[5]基于K近鄰和法向精度的點云精簡算法[J]. 張順嵐,莫建文,鄒路路.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2014(03)
[6]車載LiDAR點云數(shù)據(jù)分割與半自動化建模方法[J]. 朱紅,張正鵬.  國土資源遙感. 2014(01)
[7]海量散亂點云快速壓縮算法[J]. 方芳,程效軍.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2013(11)
[8]基于最小曲面距離的快速點云精簡算法[J]. 徐亞軍,魏永超.  光電工程. 2013(08)
[9]基于局部重建的點云特征點提取[J]. 王小超,劉秀平,李寶軍,張紹光.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2013(05)
[10]大規(guī)模散亂點的k鄰域快速搜索算法[J]. 楊軍,林巖龍,王陽萍,王小鵬.  中國圖象圖形學(xué)報. 2013(04)

博士論文
[1]點云模型分割與融合關(guān)鍵技術(shù)研究[D]. 孫金虎.南京航空航天大學(xué) 2013
[2]三維點云數(shù)據(jù)處理的技術(shù)研究[D]. 王麗輝.北京交通大學(xué) 2011
[3]點模型的幾何處理和形狀編輯[D]. 繆永偉.浙江大學(xué) 2007

碩士論文
[1]基于特征的車身典型復(fù)雜曲面點云數(shù)據(jù)的分割[D]. 鐘婷婷.吉林大學(xué) 2015
[2]基于八叉樹及R+樹的點云混合索引研究[D]. 齊曉隆.北京建筑大學(xué) 2013
[3]基于多級格網(wǎng)與STR樹的混合索引研究[D]. 黃志.浙江大學(xué) 2013
[4]三維激光掃描技術(shù)在橋梁監(jiān)測中的應(yīng)用[D]. 王紅霞.蘭州理工大學(xué) 2012
[5]三維激光掃描技術(shù)在工業(yè)三維GIS中的應(yīng)用研究[D]. 張慶圓.河南理工大學(xué) 2011
[6]地面三維激光掃描數(shù)據(jù)處理及建模研究[D]. 高志國.長安大學(xué) 2010
[7]逆向工程關(guān)鍵技術(shù)研究與應(yīng)用[D]. 常清.山東大學(xué) 2008
[8]三維激光掃描技術(shù)在古建筑測繪中的應(yīng)用及相關(guān)問題研究[D]. 白成軍.天津大學(xué) 2007
[9]海量點云預(yù)處理算法研究[D]. 戴靜蘭.浙江大學(xué) 2006
[10]地面三維激光掃描測量技術(shù)研究[D]. 馬立廣.武漢大學(xué) 2005



本文編號：3164676